feat(kb-workflow): 切换为 Whisper 语音识别

- 将步骤5从 OCR 改为 Whisper 语音识别
- 更新 kb-whisper 支持自动音频转换
- 默认使用中文语言 (zh) 和 base 模型
- 更新输出格式为 {platform}_{id}.txt/.srt/.json
- 添加 FunASR 作为备用方案

skills/kb-workflow/SKILL.md

@@ -108,28 +108,28 @@ python3 /path/to/bilibili_content.py --id "[ID]" --type subtitle --output [subti
 
 3. 解析输出 JSON，提取 video_filename 和 subtitle_filename（如有）
 
-### 步骤 5: OCR 处理(禁止跳过)
+### 步骤 5: 语音识别转文字(禁止跳过)
 
-> ⚠️ **重要**：此步骤为耗时步骤，视频按帧截取和 OCR 识别需要较长时间。
-> - **严禁跳过**：即使等待时间较长，也必须等待 OCR 完成
-> - **定时汇报**：每2-3分钟向用户汇报进度（处理帧数/预计剩余时间）
+> ⚠️ **重要**：此步骤为耗时步骤，使用 Whisper 进行语音识别。
+> - **严禁跳过**：即使等待时间较长，也必须等待识别完成
+> - **定时汇报**：每2-3分钟向用户汇报进度
 > - **超时时间**：30分钟
 > - **耐心等待**：不要中途启动其他步骤，必须串行执行
 
-如果步骤4没有获取到字幕，需要从视频截帧 OCR：
+如果步骤4没有获取到字幕，需要使用 Whisper 进行语音识别：
 
 1. 获取目录路径：
 ```bash
 python3 kb_workflow.py --content
 ```
 
-2. 启动子代理调用 kb-ocr-processor（传入完整路径）：
+2. 启动子代理调用 kb-whisper（传入完整路径）：
 ```bash
 # 必须传入 --output 完整路径
-python3 /path/to/ocr_processor.py --video [video_path] --output [content_dir]/ocr.json --merge
+python3 /path/to/whisper.py --input [video_path] --model base --output [content_dir]
 ```
 
-3. 等待 OCR 完成（定时汇报进度）
+3. 等待 Whisper 完成（定时汇报进度）
 
 4. 解析输出 JSON，生成 content 文件供步骤6使用
 
@@ -173,7 +173,7 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 | 3 | kb-bilibili-metadata | `--id "BVxxx" --type video` | `{p}_{id}.meta.json` |
 | 3 | kb-zhihu-metadata | `--id "xxx" --type question` | `{p}_{id}.meta.json` |
 | 4 | kb-bilibili-content | `--id "BVxxx" --type video` | `{p}_{id}.{ext}` |
-| 5 | kb-ocr-processor | `--video xxx.flv --output ocr.json` | `ocr.json`, `ocr.txt` |
+| 5 | kb-whisper | `--input xxx.mp4 --model base` | `{p}_{id}.json`, `{p}_{id}.txt` |
 | 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md` | `{p}_{id}.md` |
 
 ## 目录结构
@@ -189,9 +189,8 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 ├── content/
 │   ├── downloads/
 │   │   └── {platform}_{id}.mp4
-│   ├── subtitles/
-│   │   └── {platform}_{id}.srt
-│   └── {platform}_{id}.txt
+│   ├── {platform}_{id}.txt        # Whisper 识别的文本
+│   └── {platform}_{id}.json       # Whisper 完整结果
 └── analyzed/
     └── {platform}_{id}.md
 ```

skills/kb-workflow/kb_workflow.py

@@ -67,7 +67,6 @@ def ensure_directories(base_path: Path = None) -> Dict[str, Path]:
         "metadata": base_path / "metadata",
         "content": base_path / "content",
         "content_downloads": base_path / "content" / "downloads",
-        "content_subtitles": base_path / "content" / "subtitles",
         "analyzed": base_path / "analyzed",
         "archive": base_path / "archive",
         "archive_subscriptions": base_path / "archive" / "subscriptions",
@@ -250,7 +249,6 @@ def main():
     parser.add_argument('--metadata', action='store_true', help='获取元数据目录')
     parser.add_argument('--content', action='store_true', help='获取内容目录')
     parser.add_argument('--content_downloads', action='store_true', help='获取主内容下载目录')
-    parser.add_argument('--content_subtitles', action='store_true', help='获取字幕目录')
     parser.add_argument('--analyzed', action='store_true', help='获取深度分析目录')
     parser.add_argument('--archive_dir', action='store_true', help='获取归档目录')
     parser.add_argument('--archive_subscriptions', action='store_true', help='获取订阅信息目录')
@@ -280,9 +278,6 @@ def main():
     elif args.content_downloads:
         print(json.dumps({"path": str(dirs["content_downloads"])}, ensure_ascii=False, indent=2))
     
-    elif args.content_subtitles:
-        print(json.dumps({"path": str(dirs["content_subtitles"])}, ensure_ascii=False, indent=2))
-    
     elif args.analyzed:
         print(json.dumps({"path": str(dirs["analyzed"])}, ensure_ascii=False, indent=2))